メールのパーソナライズ化に使われるデータとは？

メールマーケティングにおいて、効果アップや最適なコミュニケーション実現によく使われるメールの"パーソナライズ化"ですが、"どのようにパーソナライズ化をすればよいのか"、"どのようにセグメント配信したらよいか"という課題に必ず直面します。

そこで今回は、調査データ（「メールのパーソナライズ化するための特定のデータ」）をもとにメールをパーソナライズ化するヒントをご紹介します。

目次
・メールをパーソナライズ化するためのデータとは
・もっとも使われるデータは「場所」
・2番目に多いのは「取引履歴」、「属性データ」の活用
・3番目は「メールのクリック、開封履歴」、「ウェブブラウザ履歴」

メールをパーソナライズ化するためのデータとは

メールのパーソナライズ化をすることで、開封率やクリック率、コンバージョン率を増加させることができるとは、あらゆるところで言われています。

しかし、具体的にどのようなデータを使ってパーソナライズ化を実現すればよいでしょうか？
参考データとして、「メールのパーソナライズ化するための特定のデータ」という調査データがあります。

参考：5 criteria for selecting an email personalization vendor

上記図の通り、パーソナライズ化するためのデータや活用方法は、いくつもありますが、代表的な例や活用方法をいくつか紹介していきたいと思います。

もっとも使われるデータは「場所」

先程紹介した調査データによると、もっともメールのパーソナライズ化に使われるのは、"場所（Location）"となるそうです。

ただ、一言で"場所"といっても、いくつかのデータがありますので、注意してください。

会員登録時に取得する住所（都道府県）もあれば、よりリアルタイムの情報を取得できるIPアドレスによる位置情報も"場所"です。

会員登録時に取得した住所は、引っ越しや転勤など、タイミングによっては、既に過去のデータとなっている可能性もありますので、IPアドレスも組み合わせた場所の特定が正確な場所を特定できる場合もありますので、ご注意ください。

"場所"のデータは、少し考えるだけでも、さまざまな活用方法があります。
ビジネスの種別によって、利用方法は異なりますが、下記のような活用例があります。

[BtoCの場合]

・地域別に異なる販売店舗のメールを送る
・嗜好の異なる場所別に適した商品を案内する

[BtoCの場合]

・地域別に異なる販売店舗のメールを送る

2番目に多いのは「取引履歴」、「属性データ」の活用

次に多いのは、"取引履歴"（Transaction history）や性別・年齢などの"属性"（Demographics）です。

"取引履歴"データは、ECなどでよく活用されるは購買履歴や購買金額などのことを指します。

ECでは、このデータをRFM分析（Recency （直近いつ）、Frequency （頻度）、Monetary （購入金額）の指標で顧客をグループ化しそれぞれのグループ特性にあわせて、マーケティング施策を講じること）し、特定のセグメントに対して、適したメール施策を行ったりするケースがあります。

[施策例]

直近の購買がなく、離反していると推測される休眠顧客に対して、再訪問してもらうために、クーポンメールを配布する。

また、"属性"もメールマーケティングのパーソナライズやセグメントによく使われるデータです。

例えば、性別については、BtoBではあまり使わるケースはありませんが、BtoCでは、特にアパレルなど、性別による嗜好がはっきりしており、購入対象の商品が全く異なるような場合は、必ずといって良いほど、パーソナライズ化に利用しています。
男性向けにレディース商品を案内しても、意味がありませんので、「男性には、メンズ商品」、「女性にはレディース商品」を案内するのが一般的です。

3番目は「メールのクリック、開封履歴」、「ウェブブラウザ履歴」

次に多いのは、"メールのエンゲージメント履歴（開封、クリック）"（Historical email engagement）や" ウェブブラウザ履歴"（Web browsing history）などです。

こうしたデータは一般的にユーザーの行動履歴といわれるデータで、近年、テクノロジーの進化やデジタルマーケティング製品の進化により、行動に関するさまざまなデジタルデータを取得・活用することができるようになってきました。
もちろん、デジタルだけではなく、実店舗などでのリアルな行動データを取得する方法もあるにはあります。

このようなデータを使うと、下記のように、ユーザーの行動に応じた対面接客に近いアプローチをすることもできるようになります。

[施策例]

・メールの反応に応じて、次回のメールコンテンツを変える

メールを送った結果、「開封やクリックをしていないユーザー」は、メールコンテンツの内容に興味がなかったり、行動を喚起する内容ではなかったりと推測できます。

そのため、開封やクリックをしていないユーザーに対しては、前回と異なるパターンのコンテンツを送り、興味を持ってもらえるようアプローチする。

一方、「開封やクリックをした人」は、送ったメールコンテンツには、反応してもらえたため、さらに興味を持ってもらえるようなコンテンツを送ることで、エンゲージメントをさらに高める。

・特定の商品やコンテンツを閲覧したユーザーをセグメントしメールでアプローチ

ウェブブラウザ履歴のデータを使えば、誰がどんなウェブコンテンツを閲覧したかという行動を追跡することができます。このデータを利用して、特定のコンテンツを閲覧したユーザーに対して、関連性の高い商品をメールで案内するといったことができます。

・ECでカートに入れっぱなしの商品やお気に入り登録した商品をメールでリマインド

こちらもウェブブラウザ履歴を使い、ECサイトでは鉄板とも呼べる施策を行うことができます。

「カートに入れっぱなしで購入に至っていない商品」をメールでリマインドしてあげることで、購入のし忘れを防止することが期待でき、売上機会損失を防止する施策として活用できます。

一方、「お気に入り登録したユーザー」をセグメントし、メールで最後の後押しをしてあげることで、購買までつなげようとする施策として、活用できます。

すでにパーソナライズ化に取り組まれている方であれば、当たり前に利用しているデータだと思いますが、「これからパーソナライズ化に取り組みたい！」と検討している方は、まずは試してみることが重要です。

理想を追い過ぎて、いきなり困難な取り組みから始め、挫折しては意味がありませんので、まずは取得可能なデータを使って、パーソナライズ化への取り組みをはじめてみてはいかがでしょうか。

この製品に関してのお問い合わせ